[发明专利]一种基于动作识别的人机互动方法及装置

权利要求书

1.一种基于动作识别的人机互动方法，其特征在于，包括：

利用视频设备获取互动对象的视频图像；

对所述互动对象的视频图像进行运动估计，获得所述互动对象的运动向量；

根据预先设置的匹配条件，利用所述互动对象的运动向量，在动作样本库中查询出最匹配的动作样本类，在所述动作样本库中所述动作样本类具体通过对动作样本的运动向量分类获得；

查询出所述最匹配的动作样本类在预先设置的规则中对应的指令；

执行所述指令。

2.根据权利要求1所述的方法，其特征在于，所述运动估计具体包括以下步骤：

将视频图像处理为从低分辨率到高分辨率的不同级别的视频图像；

按照从低分辨率到高分辨率的顺序，将不同级别的视频图像，逐个进行以下步骤的处理：

判断当前级别的视频图像是否为最高分辨率的视频图像，

如果是，则在当前级别的视频图像上进行运动估计，获得互动对象最终的运动向量；

如果不是，则对当前级别的视频图像进行以下处理：

在当前级别的视频图像上进行运动估计，获得互动对象的运动向量；

根据互动对象的运动向量，确定互动对象在当前级别的视频图像上的位置；

将所述互动对象的运动向量和在当前级别的视频图像上的位置，作为下一级视频图像进行运动估计的初始数据。

3.根据权利要求1所述的方法，其特征在于，还包括：

在利用视频设备获取互动对象的视频图像前和/或执行所述指令后，利用音频发出相关语音提示。

4.根据权利要求1所述的方法，其特征在于，所述预先设置的匹配条件具体为所述互动对象的运动向量与所述动作样本类的运动向量最匹配。

5.根据权利要求1所述的方法，其特征在于，还包括：

根据所述互动对象的运动向量获得所述互动对象的位置。

6.根据权利要求5所述的方法，其特征在于，在所述动作样本库中所述动作样本类还通过对动作样本的位置分类获得；

所述预先设置的匹配条件具体为所述互动对象的运动向量与所述动作样本类的运动向量最匹配，且所述互动对象的位置与所述动作样本类的位置最匹配。

7.根据权利要求5所述的方法，其特征在于，还包括：

根据所述互动对象的位置，按照所述互动对象的各个区域的比例，获得所述互动对象的一个或多个区域的位置；

根据所述互动对象的一个或多个区域的位置和所述互动对象的运动向量，获得所述互动对象的一个或多个区域的运动向量。

8.根据权利要求7所述的方法，其特征在于，

所述预先设置的匹配条件具体为所述互动对象的一个或多个区域的运动向量与所述动作样本类的运动向量最匹配。

9.根据权利要求7所述的方法，其特征在于，在所述动作样本库中所述动作样本类还通过对动作样本的位置分类获得；

所述预先设置的匹配条件具体为所述互动对象的一个或多个区域的运动向量与所述动作样本类的运动向量最匹配，且所述互动对象的一个或多个区域的位置与所述动作样本类的位置最匹配。

10.根据权利要求1所述的方法，其特征在于，所述在动作样本库中查询出最匹配的动作样本类，具体通过采用支持向量机算法的样本分类器进行查询，返回最匹配的动作样本类，所述样本分类器具体通过采用支持向量机算法对动作样本的运动向量分类学习获得。

11.根据权利要求10所述的方法，其特征在于，

在所述动作样本库中的动作样本类具体通过对动作样本的运动向量采用树状结构分类获得；

所述树状结构按照动作样本类的语义逻辑分层；

所述树状结构的每个叶子节点对应一个或多个动作样本的运动向量；

所述树状结构的每个非叶子节点根据其包括的叶子节点对应到一个或多个动作样本的运动向量；

所述树状结构的每个节点对应一个动作样本类；

所述树状结构的每个节点对应一个采用支持向量机算法的样本分类器，所述样本分类器具体通过采用支持向量机算法对该节点对应的动作样本的运动向量分类学习获得；

所述动作样本类由唯一动作分类代号标识。